首页
/ Sentry JavaScript SDK 使用教程

Sentry JavaScript SDK 使用教程

2024-09-14 09:27:28作者:曹令琨Iris

项目介绍

Sentry JavaScript SDK 是 Sentry 官方提供的用于 JavaScript 环境的错误监控和性能监控工具。它支持多种 JavaScript 运行环境,包括浏览器、Node.js、React、Vue、Angular 等。Sentry JavaScript SDK 通过捕获应用程序中的错误和性能问题,帮助开发者快速定位和修复问题,提升应用的稳定性和性能。

项目快速启动

安装

首先,你需要在你的项目中安装 Sentry JavaScript SDK。你可以使用 npm 或 yarn 进行安装:

npm install @sentry/browser
# 或者
yarn add @sentry/browser

初始化

在你的应用程序入口文件中,初始化 Sentry SDK:

import * as Sentry from '@sentry/browser';

Sentry.init({
  dsn: 'https://<key>@sentry.io/<project>',
  integrations: [new Sentry.Integrations.BrowserTracing()],
  tracesSampleRate: 1.0,
});

捕获错误

你可以手动捕获错误并发送给 Sentry:

try {
  // 你的代码
} catch (error) {
  Sentry.captureException(error);
}

应用案例和最佳实践

应用案例

假设你正在开发一个 React 应用,并且希望在用户遇到错误时能够及时捕获并处理。你可以使用 Sentry 来监控应用中的错误。

import React from 'react';
import ReactDOM from 'react-dom';
import * as Sentry from '@sentry/react';
import App from './App';

Sentry.init({
  dsn: 'https://<key>@sentry.io/<project>',
  integrations: [new Sentry.Integrations.BrowserTracing()],
  tracesSampleRate: 1.0,
});

ReactDOM.render(
  <Sentry.ErrorBoundary fallback={<p>An error has occurred</p>}>
    <App />
  </Sentry.ErrorBoundary>,
  document.getElementById('root')
);

最佳实践

  1. 配置环境变量:在生产环境和开发环境中使用不同的 DSN(数据源名称),以便在开发过程中不会将错误发送到生产环境。
  2. 性能监控:使用 BrowserTracing 集成来监控应用的性能,并设置 tracesSampleRate 来控制性能数据的采样率。
  3. 自定义错误处理:通过 beforeSend 钩子来自定义错误处理逻辑,例如过滤掉某些不需要发送的错误。

典型生态项目

Sentry 官方 SDK

  • @sentry/browser:用于浏览器环境的 SDK。
  • @sentry/node:用于 Node.js 环境的 SDK。
  • @sentry/react:专门为 React 应用设计的 SDK。
  • @sentry/vue:专门为 Vue.js 应用设计的 SDK。

社区项目

  • @sentry/webpack-plugin:用于在 Webpack 构建过程中自动上传源映射文件。
  • @sentry/tracing:用于性能监控的扩展库。

通过这些工具和 SDK,你可以轻松地将 Sentry 集成到你的 JavaScript 项目中,实现全方位的错误监控和性能优化。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
508
545
docsdocs
暂无描述
Markdown
847
5.65 K
kernelkernel
deepin linux kernel
C
33
16
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.04 K
2.46 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
835
1.28 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
842
1.68 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.16 K
848
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.37 K
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
502
343
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
770
402